罗罗编程学习记录
本页内容 展开查看

05.6.10 其他向量库

所属:全栈开发面试题库 / 05 数据库与存储 / 05.6 向量数据库与语义检索

覆盖范围

除主流独立向量库与关系型扩展外,面试还会问到搜索引擎型、嵌入式型与云厂商托管的向量能力。本域覆盖 Vespa、LanceDB、DashVector、VikingDB、腾讯云向量数据库、MongoDB Atlas Vector Search、SQLite-vec、SQL Server 向量类型与新兴方案,重点是各自定位、能力边界与选型判断。

  • Vespa:搜索与排序一体化、schema 与 rank profile、HNSW 与多阶段排序
  • LanceDB:列式存储 + 嵌入式检索、版本管理与对象存储上的数据湖检索
  • DashVector、VikingDB、腾讯云向量数据库:云托管形态、配额与运维边界
  • MongoDB Atlas Vector Search:聚合管道中的 $vectorSearch、索引定义与过滤
  • SQLite-vec、SQL Server 向量类型:嵌入式与关系库内的轻量方案
  • 新兴方案与开源项目:定位判断、成熟度评估、不要过度承诺

子主题

编号 子主题 核心内容 题数
05.6.10.1 Vespa 与 LanceDB Vespa schema 与 rank profile、多阶段排序、HNSW 配置;LanceDB 列式与版本、嵌入式检索、对象存储 48
05.6.10.2 DashVector、VikingDB 与云厂商向量库 托管形态与 API、集合与索引、配额与计费、数据合规与迁移成本 48
05.6.10.3 MongoDB Atlas Vector Search 向量索引定义、$vectorSearch 管道、过滤与 numCandidates、与业务集合共存、副本集要求 48
05.6.10.4 SQLite-vec 与 SQL Server 向量 嵌入式向量扩展、虚拟表与 KNN 查询、SQL Server 原生向量类型与距离函数、索引与限制 48
05.6.10.5 新兴向量库与嵌入式方案 新兴开源项目评估维度、嵌入式与库型方案、成熟度与风险、何时不该用专用向量库 48

合计 240 题。 每题按「一句话结论 → 概念解释 → 原理流程 → 代码/命令 → 常见误区 → 追问(带答案)」组织,编号在本章内唯一。

面试题索引

页编号 题号范围 主题 主要考点 题数
05.6.10.1 001-048 Vespa 与 LanceDB Vespa 排序体系、LanceDB 存储模型、两者适用场景 48
05.6.10.2 001-048 DashVector、VikingDB 与云厂商向量库 云托管 API、索引能力、配额计费、合规、迁移 48
05.6.10.3 001-048 MongoDB Atlas Vector Search 索引定义、聚合管道、过滤、候选数、部署要求 48
05.6.10.4 001-048 SQLite-vec 与 SQL Server 向量 嵌入式方案、虚拟表、原生向量类型、能力边界 48
05.6.10.5 001-048 新兴向量库与嵌入式方案 评估维度、成熟度、风险控制、反向选型 48

学习路径

Vespa 与 LanceDB
  → DashVector、VikingDB 与云厂商向量库
  → MongoDB Atlas Vector Search
  → SQLite-vec 与 SQL Server 向量
  → 新兴向量库与嵌入式方案

待整理清单

  • [ ] 按题目补齐官方文档链接与版本说明
  • [ ] 补充真实压测数据与线上指标(标注采集条件)
  • [ ] 校对参数默认值,无法确认的标注「待确认」并补验证方法
  • [ ] 与 05.5.2.5 通用算法题的交叉引用保持一致